Pengenalan Spesies Gulma dengan Metode Ekstraksi Ciri Principal Component Analysis (PCA) dan Metode Klasifikasi Extreme Learning Machine (ELM)

Abstract

Perkembangan ilmu pengetahuan serta pesatnya teknologi memberikan banyak manfaat bagi manusia dalam menjalankan aktifitasnya. Pemanfaatan ilmu pengetahuan dan teknologi tersebut juga meliputi di bidang pertanian. Pengembangan potensi pertanian suatu daerah dapat dioptimalkan melalui penerapan ilmu pengetahuan dan teknologi, salah satunya dengan pengenalan pola citra digital. Pengenalan pola bertujuan untuk menentukan kelompok atau kategori pola berdasarkan ciri-ciri yang dimiliki oleh pola tersebut. Dengan kata lain, pengenalan pola membedakan suatu objek dengan objek lain. Dengan menggunakan Principal Component Analysis sebagai metode ekstraksi ciri dan Extreme Learning Machine sebagai metode klasifikasi penulis melakukan penelitian untuk membedakan tanaman padi dengan tanaman gulma. Impelementasi PCA dan ELM mampu membedakan tanaman gulma dengan padi (Oryza sativa L) dalam hal ini gulma yang digunakan adalah jawan (Echinochloa cruss-galli) dan kremah (Alternanthera sessilis). Berdasarkan hasil pengujian yang dilakukan 8 kali running dengan merubah jumlah hidden neuron diperoleh nilai akurasi paling tinggi sebesar 91,67 % dengan menggunakan 10, 15, 30, 35, 40 hidden neuron, sedangkan untuk nilai akurasi paling rendah sebesar 58% dengan jumlah hidden neuron 5. Implementasi PCA dan ELM mampu membedakan tanaman gulma dengan padi (Oryza sativa L). Waktu yang dibutuhkan ELM untuk melakukan pelatihan dan pengujian sangat singkat 0.374 s dan 0.500 s. Pengukuran dilakukan dimulai dari running program sampai proses running program selesai.
Kata kunci: Padi, Gulma, Pengenalan Pola, Principal Component Analysis, Extreme Learning Machine